人工智能在暗淡期存在哪些局限（人工智能:有助于更好地理解潜在机制）

在人工神经网络的帮助下，图像中复杂特征的自动识别已经成为现实。使用这项技术的软件包括脸书的自动标记系统、谷歌的图像搜索引擎和自然学家使用的动植物识别系统。我们知道这些网络是受到人脑的启发，但它们的工作机制仍然非常神秘。

SISSA和慕尼黑工业大学联合进行的一项新研究为第33届神经网络年会提出了一种研究深度神经网络的新方法，并为这些网络能够执行的精细图像处理过程提供了新的思路。

类似于视觉系统中发生的情况，用于自动图像识别的神经网络通过一系列处理阶段逐步分析内容。然而，到目前为止，尚不完全清楚是什么机制使深度网络达到其非凡的准确性。

SISSA神经科学家大卫佐科兰和物理学家亚历山德罗莱奥说：“我们开发了一种创新的方法，可以系统地测量深层网络不同层中编码的信息的复杂性，即图像表示的内部维度。”得益于物理学、神经科学和机器学习领域专家的合作，我们成功地使用了原本在另一个领域开发的工具来研究深度神经网络的功能。"

SISSA科学家与慕尼黑工业大学的雅各布麦基合作，研究如何处理从神经网络获得的信息，用于图像分类。在处理的早期阶段，图像信息被忠实而详尽地表达，从而产生丰富而复杂的表示。两位科学家解释说：“在处理的最后阶段，信息得到了根本的简化，产生了由几十个参数支持的图像表示。”令人惊讶的是，我们发现神经网络的分类精度与其简化能力密切相关。

这对于SISSA来说是一个特别重要的结果，该国最近启动了一个新的数据科学研究项目，目标是研究和开发用于处理复杂和大型数据集的创新算法。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！